使用 pca.fit_transform 只能将一个元素张量转换为 Python 标量错误答案

【问题标题】：only one element tensors can be converted to Python scalars error with pca.fit_transform使用 pca.fit_transform 只能将一个元素张量转换为 Python 标量错误
【发布时间】：2022-01-19 07:36:35
【问题描述】：

我正在尝试使用 PCA 执行降维，其中outputs 是张量列表，其中每个张量的形状为 (1, 3, 32,32)。代码如下：

from sklearn.decomposition import PCA
pca = PCA(10)
pca_result = pca.fit_transform(output)

但无论我尝试什么，我都会不断收到此错误：

ValueError: only one element tensors can be converted to Python scalars

我知道大小为 (1,3, 32,32) 的张量造成了问题，因为它正在寻找错误所说的 1 个元素，但不知道如何解决它。 我尝试使用以下代码通过循环输出来展平每个张量（不知道这是否是解决此问题的正确方法），但它会导致 pca 出错：

new_outputs = []     
for i in outputs:
            for j in i:
                j = j.cpu()
                j = j.detach().numpy()
                j = j.flatten()
                new_outputs.append(j)

pca_result = pca.fit_transform(new_output)

如果有人能帮助解决这个错误，无论我采用的扁平化方法是否正确，我将不胜感激。

PS：我已经阅读了讨论此错误的现有帖子 (post1,post2)，但没有一个可以解决我的问题。

【问题讨论】：

标签： pytorch pca

【解决方案1】：

假设您的张量存储在一个形状类似于 (10, 3, 32, 32) 的矩阵中，其中 10 对应于张量的数量，您应该像这样将每个张量展平：

import torch
from sklearn.decomposition import PCA
data= torch.rand((10, 3, 32, 32))
pca = PCA(10)
pca_result = pca.fit_transform(data.flatten(start_dim=1))

data.flatten(start_dim=1) 使您的数据成形(10, 3*32*32)

您发布的错误实际上与您链接的帖子之一有关。 PCA 估计器需要具有 fit() 方法的类数组对象，并且您提供了张量列表。

【讨论】：